Multilingual Text to Speech
Tomiinek/Multilingual_Text_to_SpeechRevisado por IA
Verificado pelo RepoPicks Radar em
O que é Multilingual Text to Speech?
Este é o código de um artigo de pesquisa de 2020 sobre texto para voz multilíngue (um modelo Tacotron 2). Ele permite treinar e usar um único modelo de voz para muitos idiomas, misturar idiomas numa mesma frase e copiar a voz de uma pessoa. É voltado a pesquisadores e desenvolvedores: você clona o repositório, instala pacotes de Python, baixa conjuntos de dados e arquivos de modelo e roda scripts pelo terminal. O repositório está arquivado, então não recebe mais correções. Os autores também indicam cadernos do Google Colab e uma página com amostras de áudio.
Multilingual Text to Speech é grátis e de código aberto (MIT) e pode substituir ElevenLabs e Murf.
Quão fácil é instalar Multilingual Text to Speech?
E · só para quem programa · Linux
No Linux você clona o repositório, instala pacotes de Python antigos e fixados (torch 1.13.1, librosa 0.7.0, numba 0.48), baixa na mão os conjuntos de dados e os arquivos de ponto de verificação e roda scripts de treino ou de síntese; não há instalador nem aplicativo para o usuário final, por isso a nota E. Os cadernos do Colab indicados são a única opção de testar com um clique, e são de 2020.
Em breve: instale com 1 clique pelo app RepoPicks.
Multilingual Text to Speech no GitHub
- Estrelas
- 843em 10 de nov. de 2026
- Downloads
- 14.70019 na semana
- Crescimento
- —sem ganho na última leitura
Estrelas ao longo do tempo
Fatos
- Roda em
- Linux
- Você precisa instalar
- Python, Placa de vídeo
- Para compilar a partir do código
- Python, Placa de vídeo
- Espaço em disco
- 900 MB–4,2 GB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Grátis
- Licença
- MIT (Permissiva)
- Pode substituir
- ElevenLabs, Murf
- Última mudança no GitHub
- 10 de out. de 2023
Sinais de risco de Multilingual Text to Speech (7)
- AtençãoLançamentos parados
Último lançamento em 2020-05-26 (2359 dias atrás)
checagem automática
- AtençãoDependências com vulnerabilidades conhecidas
Dependências fixadas com vulnerabilidades conhecidas (OSV): pillow: GHSA-22hg-r758-rrw9, GHSA-24rc-8hj2-v98c, GHSA-254f-3936-288h; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-5pcm-hx3q-hm94
checagem automática
- AtençãoDependências antigas fixadas
O requirements.txt fixa versões de 2019-2020 (torch==1.13.1, librosa==0.7.0, numba==0.48, tensorboard==2.0.2, phonemizer==2.1), que costumam falhar na instalação em versões atuais do Python.
revisão por IA
- InfoRepositório arquivado
O repositório está arquivado (somente leitura, sem manutenção)
checagem automática
- InfoClona vozes sem aviso sobre mau uso
A descrição e os tópicos do repositório anunciam "voice cloning" (tópicos: voice-cloning, code-switching) e o README oferece um ponto de verificação "supporting code-switching or voice-cloning", sem nenhum aviso sobre consentimento ou mau uso da voz de outra pessoa.
revisão por IA
- InfoCódigo de pesquisa, não um aplicativo
O README.md é escrito em torno de reproduzir um artigo ("source code, and parameters for the paper One Model, Many Languages"); a seção de uso começa baixando os conjuntos CSS10 e Common Voice e treinando o modelo.
revisão por IA
- InfoAs licenças dos conjuntos de dados variam
README.md: o treino precisa do conjunto CSS10 (Apache License 2.0) e de uma versão limpa do Common Voice (Creative Commons CC0), baixados à parte do código.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em Multilingual Text to Speech
- Se os pacotes fixados de 2020 ainda se instalam num Python atual, e se o código chega a rodar hoje.
- Se os cadernos de demonstração do Google Colab indicados no README ainda funcionam.
- Como as vozes geradas soam de fato em comparação com os serviços atuais de texto para voz.
- Se a síntese funciona numa velocidade usável sem placa de vídeo.
- O espaço em disco real necessário depois de baixados os conjuntos de dados e os pesos do vocoder WaveRNN.